PAGE9摘要本文的主旨在于分析噪聲交易者有限的情緒對(duì)金融市場(chǎng)的影響，傳統(tǒng)的資產(chǎn)價(jià)格理論通常是建立在有效市場(chǎng)假設(shè)的基礎(chǔ)上的，資本市場(chǎng)上的投資者是完全理性的，他們共享同樣的公開透明的市場(chǎng)信息，因此他們決定根據(jù)已知的信息基礎(chǔ)上最大限度地發(fā)揮自己的效用。雖然存在非理性的噪音投資者，但他們對(duì)資產(chǎn)價(jià)格的影響會(huì)被理性投資者的影響所抵消，最終股票價(jià)格仍然以其核心價(jià)值為基礎(chǔ)，而行為金融認(rèn)為投資者會(huì)受到自身的影響，非理性投資決策的環(huán)境等因素。與發(fā)達(dá)國(guó)家相比，我國(guó)金融市場(chǎng)發(fā)展滯后的同時(shí)，相比之下中小散戶才是股市的主力軍。因此，本文的目的在于在從行為金融學(xué)的角度考察中國(guó)投資者情緒對(duì)金融市場(chǎng)的影響，其影響是正面的還是負(fù)面的，影響會(huì)隨著時(shí)間的變化而變化，如果合適的話可以采取何種相應(yīng)的解決方案。為了完成這一研究，本文選取了2016年1月至2019年2月新增開戶數(shù)（NA）、消費(fèi)者信心指數(shù)（CCI）、市場(chǎng)換手率（TURN）、上月封閉基金平均折價(jià)率（DCEF）、IPO首日收益率（RIPO）的數(shù)據(jù)，采用主成分分析法來構(gòu)建噪聲交易者的情緒指數(shù)，并運(yùn)用同一時(shí)期的股指月度回報(bào)率（IDXRTN）來代表市場(chǎng)的股票收益率，對(duì)噪聲交易者情緒指數(shù)和同一時(shí)段的中國(guó)股票市場(chǎng)的收益率采用GARCH模型進(jìn)行修正并構(gòu)建分布滯后均值方程，探究?jī)烧咧g的具體關(guān)系。得出了在各種信息等外部干擾因素的影響下我國(guó)股票市場(chǎng)會(huì)隨著投資者情緒的波動(dòng)不斷產(chǎn)生變化，并且隨著時(shí)間段的差異，對(duì)于市場(chǎng)收益率而言，投資者情緒造成的影響效果是截然不同的結(jié)論。關(guān)鍵詞：投資者情緒股市收益率主成分分析法AbstractThispaperstudiestheeffectofnoisetraders'limitedemotionsonfinancialmarkets.Traditionalassetpricingtheoriesareoftenbasedontheefficientmarkethypothesis,namelythecapitalmarketinvestorsarecompletelyrational,andsharethesameopenandtransparentmarketinformation,soastomakeutilitymaximizationdecisionsaccordingtotheknowninformation,evenifthereareirrationalnoisetraders,theimpactonassetpricesalsowillbeoffsetbytheinfluenceofrationalinvestors,financialmarketsarestillbasedonitsfundamentalvalue.However,accordingtobehavioralfinance,investorswillmakeirrationalinvestmentdecisionsundertheinfluenceoffactorssuchasthemselvesandtheenvironment.DevelopmentoffinancialmarketinChinaisrelativelybackwardinthedevelopedcountries,thecontrastissmallandmedium-sizedretailinvestorsisthemainstockmarket,sothepurposeofthispaperistostudyfromtheperspectiveofbehavioralfinanceinvestorsentimentinChinahaveanyimpactonfinancialmarkets,theimpactispositiveornegative,whatchangeswillhappenasthechangeoftimetheeffect,ifthereareappropriatemeasurescanbeadopted.Inordertocompletethisstudy,thisarticleselectsthebetweenJanuary2016andFebruary2019,NewAccounts(NA),theConsumerConfidenceIndex(CCI),theMarketTurnoverRate(TURN),DiscountRateofClosedFund(DCEF)andAverageFirst-dayYieldofIPO(RIPO),PrincipalComponentAnalysisisusedtoconstructthenoisetradersentimentindex,anduseofstockindexduringthesameperiod,monthlyreturns(IDXRTN)torepresentthestockreturnsofthemarket,toconstructnoisetradersentimentindexandthesametimeChina'sstockmarketreturnsaverageequationandusesGARCHmodelwasconstructedbyinspection,Explorethespecificrelationshipbetweenthetwo.Itisconcludedthatundertheinfluenceofvariousexternalinterferencefactorssuchasinformation,China'sstockmarketwillconstantlychangewiththefluctuationofinvestorsentiment,andwiththedifferenceoftimeperiod,theimpactofinvestorsentimentonthemarketyieldrateiscompletelydifferent.Keywords：Investorsentiment；Stockmarketyield；Principalcomponentanalysis一、緒論1.1噪聲交易的定義從國(guó)內(nèi)外的金融市場(chǎng)來看，噪聲交易是現(xiàn)實(shí)中各國(guó)證券市場(chǎng)都普遍實(shí)際存在的現(xiàn)象。許多研究表明，短線投資者在信息處理方面的注意力和能力有限。由于金融市場(chǎng)上充斥著大量魚龍混雜的信息，噪聲交易者很容易錯(cuò)誤地將注意力消耗在與股票基本價(jià)值無關(guān)的層面，這種大量存在的非理性選擇可以持續(xù)地在短時(shí)間內(nèi)影響資產(chǎn)定價(jià)，造成一定程度的價(jià)格扭曲，而這種行為無法輕易地被理性投資者的的行為所抵消。因此GregoryW.Brown.提出了“噪音交易理論”，認(rèn)為短線投資者為了追求利潤(rùn)最大化，會(huì)忽視與基本面有關(guān)的信息，把注意力集中到那些與股票價(jià)值無關(guān)、但可能影響股票價(jià)格使之非理性變動(dòng)的“噪音”（錯(cuò)誤信息）上。而那些根據(jù)模糊的噪聲信息進(jìn)行非理性操作的人就被稱為噪音交易者。1.2噪聲交易產(chǎn)生的原因噪聲產(chǎn)生的原因有由于市場(chǎng)信息不對(duì)稱引起的噪聲、委托代理關(guān)系偏離和信息利益引起的噪聲、投資者行為產(chǎn)生的市場(chǎng)運(yùn)作、投資者特殊偏好引起的噪聲等。首先，如果投資者根據(jù)虛假信息進(jìn)行交易，就不可避免地會(huì)有噪音，除了嚴(yán)重偽造信息來源之外，還有大量的虛假公開信息會(huì)誤導(dǎo)投資者，這也是噪音產(chǎn)生的一個(gè)重要來源。其次，投資者不可能收集到完整的市場(chǎng)信息，因?yàn)檫@些信息的披露不可能絕對(duì)充分，例如，內(nèi)部信息的存在和時(shí)間成本約束常常會(huì)導(dǎo)致信息不對(duì)稱傳遞。不同投資者獲得具有差異化的信息后的交易價(jià)格可能與基本均衡值不同，難以消除金融資產(chǎn)價(jià)格的噪聲。除此之外還有一個(gè)重要的噪聲源，就是風(fēng)險(xiǎn)偏好的不同，風(fēng)險(xiǎn)厭惡者更慎重地分析影響金融資產(chǎn)價(jià)格的一些基本因素，如資產(chǎn)回報(bào)率、市場(chǎng)份額、風(fēng)險(xiǎn)合作伙伴對(duì)金融資產(chǎn)未來發(fā)展的認(rèn)識(shí)等。而上市公司的未來發(fā)展具有很大的不確定性，基于這種不確定性的商業(yè)交易很容易產(chǎn)生噪聲。1.3行為金融學(xué)理論下的解釋傳統(tǒng)金融學(xué)與行為金融學(xué)的主要區(qū)別在于：首先，傳統(tǒng)投資學(xué)的理論基礎(chǔ)是理性投資行為，投資者對(duì)理性投資的研究通?；谝韵聝蓚€(gè)方面——分別是“Bayes”理性規(guī)則和“期望效用最大化”理論。而行為金融學(xué)認(rèn)為,個(gè)體投資者的行為常常會(huì)偏離“Bayes”法則和概率學(xué)法理，因?yàn)榇罅康男睦韺W(xué)研究表明，人們總是過于相信自己的判斷，傾向于根據(jù)自己對(duì)結(jié)果盈虧的主觀判斷來做出決策。同時(shí)，金融市場(chǎng)的復(fù)雜性和投資者獲取真實(shí)或虛假信息的可能性也使我們對(duì)“理性人假設(shè)”產(chǎn)生懷疑。在傳統(tǒng)理論普遍認(rèn)為非理性投資者最終將被排除在市場(chǎng)之外，而行為金融學(xué)則認(rèn)為市場(chǎng)上共存著兩類投資者，非理性投資者并沒有被排除在市場(chǎng)之外。一般來說，投資者在金融市場(chǎng)的非理性情緒及其對(duì)股票定價(jià)的影響是難以量化的。首先，一個(gè)高度細(xì)分的金融市場(chǎng)，包括不同的行業(yè)和不同的市場(chǎng)參與者，導(dǎo)致投資者情緒的多種、獨(dú)特的衡量標(biāo)準(zhǔn)。其次，情緒的衡量本質(zhì)上并不簡(jiǎn)單，因?yàn)樗c經(jīng)濟(jì)基本面相關(guān)。第三，也是更重要的一點(diǎn)，由于缺乏及時(shí)的私人市場(chǎng)信息，投資者不得不從公共股票市場(chǎng)中推斷出某個(gè)細(xì)分股票的價(jià)格走勢(shì)。事實(shí)上人們是有限理智的，因此從行為金融學(xué)的角度進(jìn)行分析可以避免噪音交易者的影響。投資者以個(gè)體的直覺為基礎(chǔ)評(píng)估資產(chǎn)價(jià)格，而這一投資者情緒在金融市場(chǎng)上的存在使得人們難以更準(zhǔn)確地預(yù)測(cè)市場(chǎng)的演變。同時(shí)，我國(guó)是以散戶投資者為主體的證券市場(chǎng)，大量的散戶投資者進(jìn)行噪聲交易。因此有必要研究噪聲交易者的情緒如何影響證券市場(chǎng)收益率，并為中國(guó)證券市場(chǎng)的發(fā)展提出一些針對(duì)性建議。二、相關(guān)概念及理論基礎(chǔ)2.1國(guó)內(nèi)外文獻(xiàn)綜述研究BakerandWurgler(2006)將投資者情緒被定義為投資者對(duì)未來股票價(jià)格的樂觀或悲觀情緒，不能用現(xiàn)有的事實(shí)來解釋。通過對(duì)過去文獻(xiàn)的研究發(fā)現(xiàn)有一個(gè)日益增長(zhǎng)的共識(shí)，即投資者的感覺是一個(gè)反向預(yù)測(cè)股票市場(chǎng)的回報(bào)在長(zhǎng)期內(nèi)(如BakerandStein2004;BrownandCliff2005)。然而，投資者情緒對(duì)短期市場(chǎng)回報(bào)可預(yù)測(cè)性的證據(jù)仍然是具有爭(zhēng)議的。例如，Brown和Cliff(2004)發(fā)現(xiàn)投資者情緒低迷造成的資金退出對(duì)美國(guó)股市隨后的周收益和月收益的影響可以忽略不計(jì)。更令人驚訝的是，Huang.D等人在‘InvestorSentimentAligned:APowerfulPredictorofStockReturns’(2014)一文中基于投資者情緒指數(shù)的研究發(fā)現(xiàn)投資者情緒甚至是美國(guó)月度頻率的反向預(yù)測(cè)指標(biāo)。同時(shí)Baker和Wurgler表明，投資者情緒的的股票的影響在難以估值的股票中更為明顯，特別是對(duì)于小型和高波動(dòng)性的公司，投資者情緒的表現(xiàn)可以一定程度上地預(yù)測(cè)隨后的市場(chǎng)回報(bào)。一般來說，當(dāng)涉及到測(cè)量哪類投資者影響市場(chǎng)時(shí)，就會(huì)出現(xiàn)一個(gè)度量問題。任何特定投資者的注意力都是不可直接觀察到的，因?yàn)樗侵饔^的，本質(zhì)上是個(gè)體的。關(guān)于誰是信息交易者，誰是噪音交易者，總是會(huì)有很多不明確的地方。在實(shí)證文獻(xiàn)中，用來衡量投資者注意力的變量分為兩類。第一種包括對(duì)投資者行為的直接測(cè)量，例如，所執(zhí)行的訂單的數(shù)量、類型和大小。第二類是間接測(cè)量，如異常收益或異常股票交易量(BarberandOdean,2008)。因此通過選取這兩類測(cè)量代理指標(biāo)能一定程度上反映市場(chǎng)上的投資者情緒。而由于中國(guó)市場(chǎng)的獨(dú)特特征，即中國(guó)股市市場(chǎng)是由中小散戶主導(dǎo)的高度投機(jī)市場(chǎng)、賣空限制的市場(chǎng)，投資者情緒可能在短期內(nèi)預(yù)測(cè)中國(guó)股票市場(chǎng)的回報(bào)率。HanXing和LiYouwei（2017）的研究結(jié)果表明投資者情緒是后續(xù)月度市場(chǎng)收益的一個(gè)可靠的動(dòng)量預(yù)測(cè)因子，并提出了基于中國(guó)投資者情緒的盈利交易策略。然而，他們的研究?jī)H僅選取了15年至16年的數(shù)據(jù)，受到樣本量相對(duì)較小的限制，其研究結(jié)果仍待進(jìn)一步探究。而最近許多的文獻(xiàn)對(duì)HanXing和LiYouwei（2017）在金融領(lǐng)域的實(shí)證結(jié)果的可信度提出了質(zhì)疑，例如Harvey（2016）、Chordia.（2017）等認(rèn)為由于15年中國(guó)股票市場(chǎng)經(jīng)歷了一個(gè)巨大的泡沫期，這個(gè)泡沫期的特點(diǎn)是幾個(gè)月持續(xù)樂觀，幾個(gè)月持續(xù)悲觀，市場(chǎng)在幾個(gè)月的高（低）情緒之后獲得高（低）回報(bào)。這一特征推動(dòng)了HanXing和LiYouwei（2017）研究投資者情緒與隨后的市場(chǎng)回報(bào)之間的積極關(guān)聯(lián)。為了彌補(bǔ)這一缺陷，排除樣本中的“泡沫期”之后探究投資者情緒是否仍然是中國(guó)股市可靠的動(dòng)量預(yù)測(cè)因子就成為研究的關(guān)鍵方向。因此在本文的研究中，我剔除了2015年中國(guó)股市的巨大泡沫期，并增加了樣本數(shù)據(jù)來探究結(jié)論。2．2問題提出中國(guó)股市作為一個(gè)規(guī)模龐大的新興市場(chǎng)，自成立以來取得了巨大的成功，但中國(guó)股市與發(fā)達(dá)國(guó)家的金融市場(chǎng)相比，發(fā)展歷史較短，制度仍有待完善。并且其很重要的一個(gè)特征便是中小散戶在中國(guó)股市中占據(jù)主體地位，大量散戶投資者在當(dāng)前的金融交易中常常表現(xiàn)出非理性和不成熟的特征，易受其個(gè)人情緒的影響，進(jìn)而導(dǎo)致市場(chǎng)短期股價(jià)的劇烈波動(dòng)，威脅整個(gè)長(zhǎng)期股市的穩(wěn)定。因此在對(duì)以往的經(jīng)濟(jì)文獻(xiàn)的研究往往不能照搬發(fā)達(dá)國(guó)家的經(jīng)驗(yàn)教訓(xùn)，而需要根據(jù)自身的國(guó)情探索出一套新的理論規(guī)則。因此在這個(gè)大背景下，在本文主要考慮將中小散戶投資者看作主要噪聲交易者，分析在我國(guó)的市場(chǎng)環(huán)境下，剔除了2015年“泡沫期”的數(shù)據(jù)之后中國(guó)股票市場(chǎng)上的投資者情緒是否仍然能對(duì)股市收益率產(chǎn)生影響影響，同時(shí)是否可以通過模型進(jìn)行大致的計(jì)算對(duì)此類影響進(jìn)行具化，在我國(guó)投資者情緒對(duì)市場(chǎng)情況的預(yù)測(cè)究竟是正向還是反向的，而這些影響從短期和長(zhǎng)期來看分別會(huì)有什么表現(xiàn)，這都是本文試圖探索的問題。而如何從這些結(jié)論中得出具體恰當(dāng)?shù)慕ㄗh，也是本文的主要任務(wù)之一。三、數(shù)據(jù)來源及模型3.1數(shù)據(jù)來源及指標(biāo)的選取本文選取新增開戶數(shù)（NA）、消費(fèi)者信心指數(shù)（CCI）、市場(chǎng)換手率（TURN）、上月封閉基金平均折價(jià)率（DCEF）、IPO首日收益率均值（RIPO）等經(jīng)濟(jì)數(shù)據(jù)指標(biāo)來構(gòu)建投資者情緒。其中，樣本區(qū)間為2016年1月至2019年2月，數(shù)據(jù)以月度為周期。3.1.1新增開戶數(shù)（NewAccounts，NA）一個(gè)月內(nèi)新開戶數(shù)的多少，許多投資者進(jìn)入市場(chǎng)，每一新月份，進(jìn)入市場(chǎng)開設(shè)買賣賬戶的數(shù)量被稱為月新增開戶數(shù)。月新增開戶數(shù)初步衡量反映了市場(chǎng)的波動(dòng)和投資者入市情緒的衡量，可以作為情緒代理指標(biāo)。市場(chǎng)反應(yīng)的積極性驅(qū)使新投資者的積極性增加，同時(shí)，隨著股市的上漲，其對(duì)投資者和投機(jī)者的吸引力明顯增強(qiáng)，新增賬戶數(shù)量增長(zhǎng)較快。如果投資者悲觀，他們將保持觀望態(tài)度。市場(chǎng)的不景氣阻礙了新的投資者進(jìn)入市場(chǎng)，因此投資者停止了投資，暫停進(jìn)入市場(chǎng)。因此，在金融市場(chǎng)不成熟的情況下，最近開立的月度賬戶能夠很好地反映投資者的情緒指標(biāo)。3.1.2消費(fèi)者信心指數(shù)（ConsumerConfidenceIndex，CCI）較為準(zhǔn)確地反映消費(fèi)者信心強(qiáng)弱的指標(biāo)是消費(fèi)者信心指數(shù)。隨著消費(fèi)者信心指數(shù)的上升，消費(fèi)者對(duì)未來經(jīng)濟(jì)和股市的樂觀程度會(huì)越來越高，投資者的意向也會(huì)越來越低。因此，消費(fèi)者信心指數(shù)間接測(cè)量了投資者的感受，驗(yàn)證了投資者的信心指數(shù)投資者對(duì)市場(chǎng)表現(xiàn)和未來預(yù)期具有系統(tǒng)性影響，具有很強(qiáng)的可預(yù)測(cè)性。3.1.3市場(chǎng)換手率（TURN）換手率反映了投資者的投機(jī)性需求和股票流通性的強(qiáng)弱。一般來說，如果投資者的情緒很高，為了快速取得利潤(rùn)，投資者會(huì)頻繁購(gòu)買看似現(xiàn)成的股票，這種行為導(dǎo)致活躍的市場(chǎng)活動(dòng)，股票換手率也就更加頻繁；相反，如果投資者的情緒很低，投資者的交易積極性受到了打擊，投機(jī)性需求明顯減少，其業(yè)務(wù)受到限制，成交量就會(huì)大大減少。同時(shí)，Miller認(rèn)為換手率可能代表不同的觀點(diǎn)，所以換手率應(yīng)包含有投資者情緒。Baker（2004）已經(jīng)證明，市場(chǎng)的流動(dòng)性指數(shù)是一個(gè)情緒指數(shù)。因此選取其作為投資者情緒代理指標(biāo)具有一定的合理性。3.1.4上月封閉基金平均折價(jià)率（DCEF）封閉基金平均折價(jià)率是指封閉基金的市場(chǎng)價(jià)格相對(duì)基金凈值的折價(jià)比例，研究發(fā)現(xiàn)封閉基金價(jià)格與投資者情緒有著密切的關(guān)系，常常被作為情緒代理指標(biāo)。當(dāng)投資者的投機(jī)意愿十分高漲時(shí)，作用在封閉基金市場(chǎng)即表現(xiàn)為基金市場(chǎng)價(jià)格相對(duì)凈值的折價(jià)率常常為負(fù)數(shù)，反之折價(jià)率越大，說明投資者不愿意購(gòu)買封閉基金，投資意愿低迷。同時(shí)，由于個(gè)人投資者更加偏好投資小盤股，因此封閉基金平均折價(jià)率能更好的反映個(gè)人投資者的情緒，而非機(jī)構(gòu)投資者情緒，這與本文的研究目的十分契合，因此被選作指標(biāo)。3.1.5IPO首日收益率均值（RIPO）新股上市的首日收益率能很好地反映投資者對(duì)于股票市場(chǎng)的信心程度，假設(shè)投資者對(duì)未來股市行情預(yù)期良好，就會(huì)有大量投資者涌入首次公開募股，投資者情緒高漲時(shí)段對(duì)應(yīng)的IPO首日收益率自然而然也會(huì)增加。倘若投資者情緒低落，就有可能發(fā)生新股上市首日出現(xiàn)折價(jià)的情況。因此本文選用IPO首日收益率均值作為情緒代理指標(biāo)。3.2主要模型及方法3.2.1主成份分析法成分分析的主要內(nèi)容是考察各種變量的內(nèi)部結(jié)構(gòu)，找出原始變量的一些主要成分，使原始變量的信息盡可能多地得到保留，數(shù)學(xué)上的闡述則是使新變量由變換P個(gè)變量線性組合而得。主成份分析法步驟如下：（1）標(biāo)準(zhǔn)化原始數(shù)據(jù)各指標(biāo)樣本均值為：各指標(biāo)樣本方差為：進(jìn)行標(biāo)準(zhǔn)化處理之后可得：（2）相關(guān)系數(shù)矩陣計(jì)算（3）特征值i與特征向量的計(jì)算特征值及特征值相對(duì)應(yīng)的特征向量可以通過求解R-i=0得到，其中1≥2≥…k≥0。成分解便可以（4）貢獻(xiàn)率的計(jì)算通過以下公式可以進(jìn)行貢獻(xiàn)率計(jì)算：通常取貢獻(xiàn)率達(dá)到80%以上的多個(gè)主成分以進(jìn)行后續(xù)的主成分分析。（5）評(píng)估函數(shù)的綜合構(gòu)造最后的步驟構(gòu)造線性綜合評(píng)價(jià)函數(shù)需要利用到主成分Y1，Y2，Y3，Yk等，將貢獻(xiàn)率Gi作為Yi的系數(shù)。標(biāo)準(zhǔn)公式如下：3.2.2GARCH模型GARCH模型是一種常見的廣義自回歸條件異方差模型，用于評(píng)估金融資產(chǎn)價(jià)格波動(dòng)的聚集性和持續(xù)性，它的持續(xù)變化和控制厚尾的能力能夠很好地描述金融資產(chǎn)價(jià)格的波動(dòng)變量。條件均值和條件方差方程構(gòu)成GARCH模型，標(biāo)準(zhǔn)的GARCH模型表示如下：其中無條件均值為μ，條件方差被表示為σ2t-1,ω、α、β為常數(shù)。4實(shí)證研究分析4.1樣本數(shù)據(jù)檢驗(yàn)分析4.1.1平穩(wěn)性檢驗(yàn)由于GARCH模型擬合只適用于平穩(wěn)的樣本序列，不平穩(wěn)的樣本序列不但在實(shí)證研究中無法建立均值方程和條件方差方程來擬合序列的分布特點(diǎn)，還可能導(dǎo)致“偽回歸”現(xiàn)象的發(fā)生，影響模型的擬合效果，由于GARCH模型組合只適用于固定平穩(wěn)的樣本區(qū)間，在實(shí)證研究中，不平穩(wěn)樣本區(qū)間不能恰當(dāng)?shù)財(cái)M合均值方程和適應(yīng)序列分布特征的條件變量，影響模型的回歸效果，也會(huì)導(dǎo)致出現(xiàn)“偽回歸”現(xiàn)象。采用ADF檢驗(yàn)法對(duì)其進(jìn)行平穩(wěn)性檢驗(yàn)可以消除這種顧慮。假設(shè)時(shí)間序列是非平穩(wěn)的，則檢測(cè)的ADF值將會(huì)大于臨界值。反之，則認(rèn)為該時(shí)間序列是平穩(wěn)的。圖1ADF單位根檢驗(yàn)ADF檢驗(yàn)結(jié)果如圖所示，從圖中可以看出在1%、5%和10%三個(gè)不同的水平上，ADF檢驗(yàn)的結(jié)果都低于臨界值，穩(wěn)定性檢驗(yàn)通過，即這組結(jié)果是一個(gè)穩(wěn)定的時(shí)間序列。4.1.2自相關(guān)性檢驗(yàn)由于偶然事件的影響和市場(chǎng)行為的延遲等因素，在一系列金融時(shí)間序列中，絕大多數(shù)時(shí)間序列不同時(shí)期的數(shù)據(jù)具有一定的相關(guān)性，與時(shí)間序列之間存在一定的相關(guān)性。由于自相關(guān)特性會(huì)影響到模型回歸的精度和最終效果，為了判斷股票指數(shù)收益率序列是否存在某種自動(dòng)關(guān)聯(lián)，本文采用偏相關(guān)和自相關(guān)圖來檢驗(yàn)自相關(guān)性。圖2自相關(guān)性檢驗(yàn)自相關(guān)性檢驗(yàn)結(jié)果如圖所示，可以看出該序列滯后一階的AC值和PAC值均為0.094，超出標(biāo)準(zhǔn)線，且P值小于置信水平95%下的值，說明股指收益序列的確存在自相關(guān)性。4.1.3ARCH效應(yīng)檢驗(yàn)使用GARCH模型刻畫條件異方差性的前提是收益率序列存在條件異方差現(xiàn)象，因此本文選擇ARCH-LM檢驗(yàn)法對(duì)其進(jìn)行檢驗(yàn)。圖3異方差檢驗(yàn)條件異方差檢驗(yàn)結(jié)果如圖所示，由圖中可以看出收益率序列在之后12期伴隨概率的P值均為0，因此不接受不存在異方差的原假設(shè)。說明股指收益序列具有顯著的ARCH效應(yīng)，因此可以采用GARCH模型進(jìn)行建模。4.2模型的確定4.2.1投資者情緒指數(shù)主成分構(gòu)造法上文分析可知月新增開戶數(shù)（NA）、市場(chǎng)換手率（TURN）、消費(fèi)者信心指數(shù)（CCI）、上月封閉基金平均折價(jià)率（DCEF）及IPO首日收益率均值（RIPO）均可作為投資者情緒的代理指標(biāo)。同時(shí)由于投資者情緒的各代理變量本身可能存在一定的領(lǐng)先或者滯后效應(yīng)，使得這些變量不同時(shí)期都能反映投資者情緒，因此本文選取各變量當(dāng)期及滯后一期的共十個(gè)指標(biāo)，分別記作NA、TURN、CCI、DCEF、RIPO、NA-1、TURN-1、CCI-1、DCEF-1、RIPO-1。由于本文選取的指標(biāo)單位存在差異，因此在進(jìn)行接下來的步驟之前選取Z-score，一種常用的去除數(shù)據(jù)量綱的方法進(jìn)行標(biāo)準(zhǔn)化處理作為代理變量來構(gòu)建投資者情緒的綜合指標(biāo)，來反映投資者情緒的波動(dòng)。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，以上代理指標(biāo)進(jìn)行描述性分析統(tǒng)計(jì)，結(jié)果如下：圖4描述性分析統(tǒng)計(jì)由上圖可以看出，NA、TURN呈尖峰右偏分布，且NA的標(biāo)準(zhǔn)差大，說明新開戶數(shù)、換手率僅在市場(chǎng)情緒高漲的小部分時(shí)間段的數(shù)量增幅較大，大部分時(shí)間處于低落狀態(tài)，這一點(diǎn)也與A股市場(chǎng)的現(xiàn)實(shí)狀況相吻合。而CCI與RIPO的極值差較小，呈尖峰分布，說明這兩類指標(biāo)變化幅度較小十分具有穩(wěn)健性。而DCEF標(biāo)準(zhǔn)差較小且峰度也較小，說明封閉基金折價(jià)率波動(dòng)較小，呈正態(tài)分布，該現(xiàn)象較為普遍。對(duì)其進(jìn)行KMO和Bartlett檢驗(yàn)，結(jié)果如下：圖5KMO和Bartlett檢驗(yàn)由圖可知本文所選指標(biāo)的KMO值為0.655大于0.5，說明變量之間具有信息重合度；同時(shí)Bartlett球形檢驗(yàn)顯著性小于0.05拒絕原假設(shè)，說明各變量之間相互獨(dú)立，因此滿足進(jìn)行主成分分析的條件。其次根據(jù)公因子方差檢驗(yàn)可以看出：圖6方差貢獻(xiàn)率分析選擇第四主成分的累計(jì)方差解釋率為81.249%，說明前四個(gè)主成分可以反應(yīng)81.249%的信息，因此本文使用第一、二、三、四主成分加權(quán)平均構(gòu)建出反映投資者情緒指標(biāo)（CSI）時(shí)間序列。獲得成份得分系數(shù)矩陣，結(jié)果如圖：圖7成份得分系數(shù)矩陣結(jié)合上圖確定的系數(shù)作為權(quán)重，構(gòu)造出前四個(gè)主成分：PC1=0.205NA+0.218TURN-0.226CCI+0.021DCEF+0.090RIPO+0.124NA-1+0.200TURN-1-0.246CCI-1+0.002DCEF-1+0.100RIPO-1PC2=0.165NA-0.089TURN-0.013CCI+0.486DCEF+0.030RIPO+0.069NA-1-0.125TURN-1-0.042CCI-1+0.516DCEF-1+0.021RIPO-1PC3=0.283NA-0.022TURN-0.005CCI-0.059DCEF+0.127RIPO-0.242NA-1+0.064TURN-1-0.078CCI-1+0.081DCEF-1+0.924RIPO-1PC4=-0.015NA+0.119TURN-0.021CCI+0.045DCEF+1.010RIPO-0.014NA-1-0.058TURN-1-0.097CCI-1+0.005DCEF-1+0.110RIPO-1PC1、PC2、PC3、PC4分別代表經(jīng)過主成分分析所提取的四個(gè)主成分，接下來用方差貢獻(xiàn)率作為權(quán)重法，得出投資者情緒指數(shù)最終結(jié)果為:CSI=43.38%PC1+18.11%PC2+12.21%PC3+7.55%PC4CSI=0.1522NA+0.0849TURN+（-0.1026）CCI+0.0933DCEF+0.1367RIPO+0.0357NA-1+0.0675TURN-1+（-0.1313）CCI-1+0.1038DCEF-1+0.0815RIPO-1由以上公式可以得出投資者情緒指數(shù)（CSI）的表達(dá)式?？梢钥闯鯪A、TURN、DCEF、RIPO、NA-1、TURN-1、DCEF-1、RIPO-1的系數(shù)均為正，而CCI、CCI-1則與CSI負(fù)相關(guān)。說明雖然消費(fèi)者信心指數(shù)雖出乎意料地與投資者情緒呈現(xiàn)負(fù)相關(guān)關(guān)系，但新增開戶數(shù)、換手率、封閉基金平均折價(jià)率及IPO首日收益率均于投資者情緒指數(shù)呈正相關(guān)關(guān)系，這也符合現(xiàn)實(shí)中我國(guó)股票市場(chǎng)的實(shí)際情況。要解釋理論與實(shí)證結(jié)果相悖的現(xiàn)象，必須考慮我國(guó)股票市場(chǎng)的個(gè)體投資者較多，產(chǎn)生的噪音較多，證券市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)較大等因素。4.2.2投資者情緒指數(shù)回歸方程的構(gòu)建一般來說，股票市場(chǎng)的回報(bào)率具有波動(dòng)性聚集。金融收益率一般具有波動(dòng)聚集性，時(shí)間序列變量的波動(dòng)性的變化能被GARCH模型準(zhǔn)確地模擬，刻畫收益率序列、把握風(fēng)險(xiǎn)的波動(dòng)性也是該模型的主要作用之一，為了探究噪聲交易者情緒對(duì)股票收益率的影響，本文根據(jù)前文所得出的噪聲交易者情緒綜合指數(shù)（CSI），采用GARCH（1,1）模型先對(duì)其進(jìn)行波動(dòng)性修正，結(jié)果如下：圖8GARCH（1,1）模型根據(jù)輸出結(jié)果可以看出，α和β系數(shù)和都滿足非負(fù)性的約束條件，α與β之和也滿足模型有界性約束條件。將其系數(shù)代入方程得出，GARCH（1,1）模型的表達(dá)式為：rt=0.004386+0.008857εtσ2t=0.000154+0.22146706ε2t-1+0.751535σ2t-1對(duì)上面的模型進(jìn)行ARCH-LM檢驗(yàn)，得出如下結(jié)果；圖9GARCH模型異方差檢驗(yàn)根據(jù)上圖的檢驗(yàn)結(jié)果，模型的LM值已經(jīng)小于顯著性水平α=0.05對(duì)應(yīng)的臨界值，且卡方統(tǒng)計(jì)量的概率值已經(jīng)大于0.05，因此接受原假設(shè)，認(rèn)為GARCH（1,1）模型已經(jīng)消除了異方差。綜上可知GARCH(1，1)模型模擬收益率序列的效果是較好的，可以看出收益率序列具有波動(dòng)集聚性特點(diǎn)?？紤]到時(shí)間因素的影響，本文選用分布滯后模型探究投資者情緒指數(shù)當(dāng)期、滯后一期、滯后兩期、滯后三期對(duì)股市收益率的影響，結(jié)果如下：圖10均值方程構(gòu)建由上圖可以構(gòu)建均值方程：IDXRTN=-0.002189-0.033867CSIt-0.009816CSIt-1+0.095036CSIt-2-0.035795CSIt-3這便是通過檢驗(yàn)后得出的模型，可以得出以下結(jié)論：（1）由均值方程可知，當(dāng)期及滯后一期的投資者情緒指數(shù)的邊際系數(shù)分別為（-0.03386、-0.009816），數(shù)值為負(fù)，絕對(duì)值較小且P值較大，說明當(dāng)期及滯后一期投資者情緒指數(shù)的變化對(duì)股市收益率的影響較為微弱，與實(shí)際情況相吻合，說明在投資者情緒的變化初期，股票市場(chǎng)并無法快速對(duì)投資情緒的波動(dòng)做出正相關(guān)的反映，這也是因?yàn)樵谥袊?guó)股市中噪聲交易者的數(shù)量較為龐大，由于獲得的信息有限中小散戶投資者往往無法快速準(zhǔn)確的判斷市場(chǎng)情緒，因此投資者情緒的波動(dòng)在初期對(duì)股市收益率影響微弱。（2）滯后二期的投資者情緒指數(shù)的邊際系數(shù)為0.095036，絕對(duì)值較大，P顯著下降。說明滯后二期的投資者情緒與股指收益率呈正相關(guān)關(guān)系，投資者情緒確實(shí)能夠?qū)墒惺找娴淖兓a(chǎn)生較為顯著的影響效果，也就是說伴隨著當(dāng)期投資者情緒的上升，股票市場(chǎng)收益率也開始增加；而伴隨著投資者情緒回落時(shí)，股票市場(chǎng)的收益率也同時(shí)回落。（3）而滯后三期的投資者情緒指數(shù)的邊際系數(shù)為-0.035795，數(shù)值為負(fù)，當(dāng)投資者情緒上漲時(shí)，股票收益率反而下降；情緒回落時(shí)，股票收益率卻上漲。相關(guān)系數(shù)表明，來自投資者情緒高漲帶來的價(jià)格上漲在一個(gè)季度之后基本消失。本文認(rèn)為，這里投資者情緒與回報(bào)率之間的負(fù)相關(guān)關(guān)系是由估值過高造成的，而估值過高與前季度的投資者情緒有關(guān)。隨著時(shí)間的推移，投資者情緒指數(shù)與股市收益的影響程度減弱，長(zhǎng)期來看股市收益率的波動(dòng)幅度較小，說明噪聲交易者情緒對(duì)股市收益率雖然有一定影響，但影響作用從長(zhǎng)期來看是有限的。這一結(jié)果反映出，在各種信息等外部干擾因素的影響下我國(guó)股票市場(chǎng)隨著投資者情緒的波動(dòng)不斷產(chǎn)生變化。并且隨著時(shí)間段的差異，對(duì)于市場(chǎng)收益率而言，投資者情緒造成的影響效果是截然不同的。5結(jié)論分析及建議5.1結(jié)論本文首先采用主成分分析法構(gòu)建噪聲交易者情緒指數(shù)，并對(duì)股市收益率序列采用GARCH(1，1)模型進(jìn)行檢驗(yàn)，接著用情緒指數(shù)同收益率進(jìn)行最小二乘法回歸，從而探究投資者情緒對(duì)股票收益率的具體影響。從本文構(gòu)造的模型的估計(jì)和檢驗(yàn)來看，收益率序列具有波動(dòng)集聚性特點(diǎn)，而投資者信心指數(shù)的變化雖然無法迅速反映在股市收益率上，但在滯后二期的情況下確實(shí)能夠?qū)墒惺找娴淖兓a(chǎn)生影響效果，也就是說伴隨著當(dāng)期投資者情緒的上升，市場(chǎng)收益率也開始增加；而伴隨著投資者情緒回落時(shí)，市場(chǎng)的收益率也同時(shí)回落。機(jī)構(gòu)投資者通常被視為套利者，但由于中國(guó)的散戶投資者的主導(dǎo)地位，套利行為A股市場(chǎng)受到限制。在中國(guó)股市，中小散戶情緒的波動(dòng)容易引起股票收益率的波動(dòng)，噪聲交易者情緒對(duì)股市收益率有一定影響，但從長(zhǎng)期來看，其影響作用是有限的，這是因?yàn)楣墒惺找媛矢鄶?shù)情況是由其內(nèi)在價(jià)值和經(jīng)營(yíng)狀況等條件決定的。同時(shí)，模型也驗(yàn)證了在各種信息等外部干擾因素的影響下我國(guó)股票市場(chǎng)不斷產(chǎn)生波動(dòng)，因此隨著時(shí)間段的差異，對(duì)于市場(chǎng)收益率而言，投資者情緒造成的影響效果是截然不同的，這也符合我國(guó)股市表現(xiàn)的實(shí)際情況。投資者情緒的影響強(qiáng)烈很有可能是因?yàn)橹袊?guó)股市發(fā)展歷史較短，法律和制度不完善，由于投資者缺乏經(jīng)驗(yàn)，中國(guó)投資者普遍存在投機(jī)行為，使得情緒指標(biāo)對(duì)股票市場(chǎng)價(jià)值產(chǎn)生定量的波動(dòng)關(guān)聯(lián)。5.2建議根據(jù)本文理論分析與實(shí)證研究結(jié)果，并結(jié)合我國(guó)股票市場(chǎng)的實(shí)際情況，提出以下關(guān)于提高我國(guó)中小散戶投資者股票收益率的建議：首先，作為中國(guó)股市的主體，中小散戶在專業(yè)化、資本化和信心化方面沒有優(yōu)勢(shì)。因此，要克服噪音交易者情緒對(duì)股市的影響，比以機(jī)構(gòu)投資者為主的發(fā)達(dá)國(guó)家股市更為困難。有鑒于此，中小企業(yè)可以加強(qiáng)對(duì)金融知識(shí)的研究，提高決策能力，提高組合投資能力，注重風(fēng)險(xiǎn)性與穩(wěn)定性相結(jié)合，有利于改變散戶投資者的情緒；也可以委托專業(yè)團(tuán)體管理投資基金，因?yàn)閷I(yè)投資者的決策過程是以金融資產(chǎn)的實(shí)際價(jià)值和宏觀經(jīng)濟(jì)變量為基礎(chǔ)的，與理性投資決策的偏差要小得多。其次，從政府和監(jiān)管部門的角度來看，降低噪音交易者對(duì)其收入的情緒影響，也有很多措施。如完善報(bào)價(jià)、出清和監(jiān)管制度，提高IPO類型核準(zhǔn)標(biāo)準(zhǔn)，努力實(shí)現(xiàn)其真正價(jià)值能為股價(jià)所反映。同時(shí)也應(yīng)完善現(xiàn)代化企業(yè)制度，避免股票價(jià)格出現(xiàn)泡沫，完善監(jiān)管和制裁和監(jiān)管體系。最后，在國(guó)家層面，當(dāng)投資者的專業(yè)知識(shí)達(dá)到一定水平時(shí)，準(zhǔn)入原則的界定也可能加大投資者在投資基金市場(chǎng)的專業(yè)培訓(xùn)力度。我們不僅要關(guān)注上市公司的某些經(jīng)營(yíng)利潤(rùn)指標(biāo)，還要關(guān)注公司的重組并購(gòu)擴(kuò)張活動(dòng)，讓投資者根據(jù)公司的經(jīng)營(yíng)風(fēng)險(xiǎn)來決定是否投資。這類舉措不僅刺激了資源的優(yōu)化配置，而且降低了財(cái)務(wù)風(fēng)險(xiǎn)的可能性。參考文獻(xiàn)[1]HanX,LiY.Caninvestorsentimentbeamomentumtime-seriespredictor?EvidencefromChina[J].JournalofEmpiricalFinance,2017,42:212-239.[2]Baker,M.,andJ.C.Stein(2004),‘MarketLiquidityasaSentimentIndicator’,JournalofFinancialMarkets,7,271–99.[3]Baker,M.,andJ.Wurgler(2006),‘InvestorSentimentandtheCross-SectionofStockReturns’,TheJournalofFinance,61,1645–80.[4]Harvey,C.R.,Y.Liu,andH.Zhu(2016),‘...andtheCross-SectionofExpectedReturns’,Th